无人拖拉机耕作轨迹智能控制探讨

绪论：在寻找写作灵感吗？爱发表网为您精选了1篇无人拖拉机耕作轨迹智能控制探讨，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！

随着我国经济及社会主义新农村建设的快速发展，农村劳动人口开始大量向城市转移，劳动力老龄化现象突出。拖拉机是农业生产中的必备农业机械之一，与各项农机具配合完成耕作、播种、施肥及收获等环节。目前，拖拉机田间运动轨迹及作业路线规划都是依靠驾驶员进行控制，田间作业环境较为恶劣，生产环节需要在田间连续工作10h以上，给驾驶员田间工作带来了一定的难度，驾驶员由于不能长时间保持高度集中而降低了农业生产效率［4－5］。近年来，拖拉机耕作轨迹智能控制系统在各类农机具中广泛应用，极大地改善了农业生产效率，促进了农业自动化向智能化方向发展，结合智能控制系统及先进传感器技术明显提高了农业机械的作业精度［6－10］。无人拖拉机耕作轨迹控制系统主要是基于位置传感器及人工智能控制技术实现拖拉机运动位置及方向的精准定位，并通过电子通信技术及环境感知技术实现无人拖拉机田间运动轨迹的控制，以及田间轨迹行走与障碍避让［10－13］。目前，关于无人驾驶汽车的研究较多，但关于无人驾驶拖拉机的相关研究尚未成熟，内容较少。最早的无人驾驶拖拉机是将PC嵌入技术与物联网技术相互结合［14］，用PC处理器实现各类田间信息的感知与计算，最后将相关指令传递给执行装置，实现无人拖拉机的田间运动。研究结果表明:基于PC处理器的无人拖拉机田间运行轨迹与预设田间路线行走吻合度较高，但操作较为复杂，需要专业技术人员进行相关设备调试，田间位置控制精度≤60mm［6］，且投入成本较高。后期，随着人工智能控制技术的逐渐发展，提了出一种鲁棒式无人驾驶拖拉机控制系统，将前馈控制与鲁棒控制结合，对无人驾驶拖拉机进行智能控制，与PC处理器相比控制精度显著提升;但是，由于控制范围有限，在大型农业机械中的使用效果较差，在中小型农业机械中控制精度较高［11］。针对上述问题，提出了一种基于智能控制系统的设计方法，对无人驾驶拖拉机的基本结构级工作原理进行分析，并以参考文献提出的典型方法进行试验对比分析，旨在为农用拖拉机无人驾驶技术提供技术参考与理论借鉴。

1无人拖拉机智能控制系统硬件设计

1．1无人拖拉机智能控制系统结构

无人拖拉机智能控制系统陆地环境图像的无线传输主要是基于无线网桥的原理实现，通过图像采集端和图像接收器搭建的无线局域网进行传输。无线传输的硬件主要由AUS2405前端桥和AUS2408后端桥组成，两个无线网桥使用IEEE802．11b协议。图像无线传输链路的构建主要基于下位机的中间前端网桥的内置IP，后端网桥直接与系统监控中心相连，将无人拖拉机下位机摄像头部分采集的图像信号压缩到系统监控中心［16］。

1．3农业无人拖拉机上位机视觉导航

上位机视觉导航系统监控中心主机，通过系统监控平台将采集到的压缩图像信息显示在平台上监控主机根据图像处理的最终结果确定农业无人拖拉机耕作的路径，以便后续计算拖拉机耕作角度的偏差顺利进行。根据模糊控制方法，分析了3个参数值，运动控制指令传送到单片机控制系统;然后，无人拖拉机的驱动系统和终端执行器完成与信号传输相对应的耕作作业。

1．4无线传输链路建设

通过相关视觉识别系统及传感器实现无人信号传输，提出的基于机器视觉的无人拖拉机智能控制系统中将图像传输与信息信号采集相互独立，上位机实现信息传输，下位机实现图像信息传输。本研究选取Ｒ232为监控主机，通过对所有信息进行汇总后给控制平台下发指令，进而实现对执行机构的控制;选取无线信息收发器(型号:LSDＲF4710M01)，其具有抗干扰性强、田间信息传输距离较远等优势，完全可以满足田间无人拖拉机的远程控制要求。

1．5农业无人拖拉机下位机信号处理

无人拖拉机下位机控制信号处理系统的核心是3．3V或5V供电的FreescalekS12xs控制器。在Frees-calekS12xs控制器中，TXD和ＲXD引脚相交并连接到无线接收中的TXD和ＲXD引脚，当控制器接收到无线接收和无线发射的控制信号时，响应中断处理程序控制继电器的开关。

1．6农用无人拖拉机气动执行模块

田间无人驾驶拖拉机需要远程控制系统实现各种控制动作。在此，采用气动执行系统用于控制无人拖拉机的相应作业。下位机气动执行系统由气动系统和末端执行机构组成，气动系统包括微型气泵、水分离器、气缸及相关气动零部件等。电磁阀的开关可以通过继电器的开关来控制，进而控制气缸活塞的膨胀过程。电磁阀与所有继电器相连，并与其对应的气缸相连，完成农用无人拖拉机主离合器和左右离合器中控制拉索的拉动动作。通过以上过程，完成了无人驾驶拖拉机气动执行模块的运行。

1．7农用无人拖拉机路径跟踪模块

路径跟踪的目的是根据农用无人拖拉机当前的姿态确定农用无人拖拉机的角度。无人拖拉机位姿采集是指利用传感器采集拖拉机当前位置、姿态、运动的实时信息(包括经纬度、方向角、俯仰角和速度)，然后计算当前无人拖拉机距离与预定路径位置的偏差。横向偏差是指无人拖拉机的控制点到预定路线的距离，航向偏差是指无人拖拉机与理想航向的偏差程度。无人拖拉机GPS模块实现农用无人拖拉机的定位，通过ＲTK可以获得厘米级的定位精度，以满足农用无人拖拉机智能导航的需求。

2控制系统软件设计

无人拖拉机环境图像处理是指将田间环境(即耕作环境图像所反映的信息)转化为数据信息，然后通过计算机进行处理。本研究基于低通滤波和Sobel边缘检测算法，对耕作环境图像进行适当处理。对于图像边缘检测，需要计算图像的每个像素点，计算量较大。Sobel边缘检测与其他传统检测算法相比，计算复杂度更低，检测效果更好，属于一阶导数边缘算法。

3结果与分析

3．1试验方法

为了验证基于机器视觉的无人拖拉机智能控制系统的田间工作性能，选择东方红无人拖拉机为研究平台，在田间试验过程中对相关研究方法的田间图像输送方法耗时进行对比分析，结果如表1所示。由表1可知:基于机器视觉的无人拖拉机智能控制系统进行田间图像采集及传输所需的时间均小于其它方法。在参考文献［14］提出的PC嵌入技术与物联网技术中，由于田间环境较为恶劣，随着使用时间的延长，会造成每个传感器中的采集电路老化，影响信息传输效率，使得传输时间变长;在参考文献［6］提出的PC处理器中，田间信息采集结果传输到农业无人拖拉机智能控制中心耗费时间较长;在参考文献［11］提出的鲁棒式无人驾驶拖拉机控制系统中，信息采集系统及图像传输模块分离，为了实现田间信息与图像的同时传输，需要安装两个硬件模块，信息及图像传输时间较长。本研究提出的方法实现了田间信息与图像的同时传输，提高了田间信息及图像的传输速度。

3．2田间图像扩展覆盖率对比试验

表2为不同方法的图像扩展覆盖率的对比分析。由表2可知:当图像数量较少时，相关文献中的参考方法的图像扩展覆盖率较高;但当图像数量不断增加时，图像扩展覆盖的速度下降得非常快。本研究提出的方法的覆盖率变化随着图像数量的增加呈现稳定趋势，覆盖率始终高于90%。这主要是由于结构模板对耕地环境图像中的每个像素进行扫描，或者实现模板覆盖区域的操作，进而提高了图像扩展覆盖率，控制性能良好。参考文献［11］和参考文献［14］中的方法始终低于70%，其变化幅度较大，控制性能较差。随着图像传输数量的逐渐增加，本研究提出的基于机器视觉的无人拖拉机智能控制系统的优势愈发显著。

4结论

针对现有方法设计的农用无人拖拉机智能控制系统无法实现高效率、低误差，导致农用无人拖拉机智能控制系统在运行过程中出现运行缓慢等现象，提出了一种基于机器视觉的无人拖拉机耕作轨迹智能控制系统。田间试验结果表明:所提出的方法与传统方法相比，可以显著提高田间图像传输的速率及图像扩展覆盖率，有效降低了无人拖拉机的航向偏差，且拖拉机运动轨迹跟踪效果好。研究结果可为无人驾驶拖拉机智能控制技术的研究提供参考与借鉴。

作者：涂超群 张玲莉 单位：广州南洋理工职业学院